Acta Scientiarum Oeconomia 9 (1)
Acta Scientiarum Oeconomia 9 (1)
Acta Scientiarum Oeconomia 9 (1)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
74<br />
E. Goryńska-Goldmann<br />
na podstawie wartości funkcji prawdopodobieństwa. Im obiekty bardziej podobne do<br />
siebie, tym wcześniej się ze sobą łączą. Skupienia uszeregowane są hierarchicznie, skupienia<br />
niższego rzędu wchodzą w skład skupień rzędu wyższego, zgodnie z hierarchią<br />
prawdopodobieństwa występującego między obiektami [Marek 1989]. Przy formułowaniu<br />
skupień wykorzystaną odległość euklidesową. Zastosowano podejście analizy<br />
wariancji. Oznacza to, że metoda Warda zmierza do minimalizacji sumy kwadratów<br />
odchyleń dowolnych dwóch skupień, które mogą zostać uformowane na każdym etapie<br />
[STATISTICA PL 2005].<br />
Średnia arytmetyczna ważona liczbą mieszkańców poszczególnych krajów została<br />
obliczona na podstawie formuły [Wysocki i Lira 2005]:<br />
k<br />
1<br />
n i=<br />
1<br />
x = = f x,<br />
gdzie x i jest i-tą wartością cechy skokowej o liczebności f i , która przyjmuje k wartości.<br />
W pracy sporządzono średnioterminowe prognozy spożycia pieczywa ogółem w latach<br />
2009–2011 w Polsce. Zastosowano model wyrównywania liniowo-wykładniczego<br />
Holta, należący do grupy adaptacyjnych metod prognozowania [Stańko 1999]. Procedura<br />
Holta służy do wygładzania poziomu trendu według wzoru:<br />
a następnie do wygładzania zmian trendu:<br />
fˆ() t = (1 −α) ⋅ fˆ( t− 1) + α⋅yt<br />
ˆ β ( t) = (1 −γ) ⋅ ˆ β ( t− 1) + γ ⋅[ fˆ( t) − fˆ( t−1)]<br />
1 1<br />
gdzie: α – stała wygładzania poziomu trendu, γ – stała wygładzania dla zmian trendu,<br />
y t – poziom zjawiska w okresie t, f ˆ( t )– ocena poziomu trendu w okresie t,<br />
ˆ β t () t – ocena zmian trendu w okresie t.<br />
Prognozę w okresie t dla p okresów buduje się z wykorzystaniem wzoru [Stańko<br />
1999]:<br />
yˆ ˆ() ˆ<br />
t+ p= f t + p⋅β1()<br />
t<br />
W modelu Holta ważny jest wybór stałych wygładzania (α, γ), które muszą znajdować<br />
się w przedziale . Najczęściej wyboru tego dokonuje się z punktu widzenia minimalizacji<br />
błędów sporządzonych prognoz. Do oceny trafności prognoz wykorzystano<br />
jeden z podstawowych mierników błędów prognoz ex post – średni bezwzględny błąd<br />
procentowy (ŚBBP) [Zeliaś 1997]:<br />
n<br />
1 | yt<br />
− yˆ<br />
t | <br />
BBP = ⋅<br />
⋅100%<br />
n t=<br />
1 yt<br />
<br />
Średni bezwzględny błąd procentowy wyraża względne odchylenia prognoz od wartości<br />
rzeczywistych, tzn. w stosunku do wielkości rzeczywistych, zatem określa miarę<br />
względnego całkowitego dopasowania.<br />
i<br />
i<br />
<strong>Acta</strong> Sci. Pol.